Günümüzde, akciğer adenokarsinomu, tespit edilen tümör kalıpları ve alt tiplerini belirlemek için AL(artificial intelligence) sınıflandırma metodu ile görsel olarak incelenmesine büyük bir katkı sağlamıştır. Bu sınıflandırma, prognozda ve akciğer kanseri için tedavinin belirlenmesinde önemli bir role sahiptir, ancak Dartmouth Geisel Tıp Fakültesi'nde biyomedikal veri bilimi profesörü olan Doktora Saeed Hassanpour'a göre bu zor ve öznel bir iştir.
Makine mühendisliğinin öğrenimindeki son gelişmeleri kullanarak, Hassanpour liderliğindeki bilim adamları, histopatoloji slaytlarındaki farkl.ı tipte akciğer adenokarsinomlarını sınıflandırmak için derin bir sinir ağı geliştirdiler ve modelin üç pratik görselleştirme ile aynı performansta olduğunu buldular.
Hassanpour, “Çalışmamız, makine öğreniminin zorlu bir görüntü sınıflandırma görevinde yüksek performans sağlayabildiğini ve akciğer kanseri yönetiminde bir varlık olma potansiyeline sahip olduğunu gösteriyor” diyor.
Ekibin sonuçları (“ Derin sinir ağları ile rezeke edilen akciğer adenokarsinomu örneklerindeki histolojik modellerin patolojik düzeyde sınıflandırılması ”) Scientific Reports'ta yayınlandı . Yaklaşımın diğer histopatoloji görüntü analizi görevlerine de potansiyel olarak uygulanabilir olduğunu kabul ederek, Hassanpour ekibi kodlarını bu alanda yeni araştırma ve işbirlikleri geliştirmek için kamuya açık hale getirdi.
Akciğer kanseri sınıflandırmasını geliştirme yeteneğini doğrulamak için derin öğrenme modelini klinik bir ortamda test etmenin yanı sıra, ekip bu yöntemi meme, özofagus ve kolorektal kanserdeki diğer zorlu histopatoloji görüntü analizi görevlerine uygulamayı planlıyor. Hassanpour, “Bu klinik deneylerle doğrulanırsa, sinir ağı modelimiz patolojilere yardımcı olmak için klinik uygulamada potansiyel olarak uygulanabilir” dedi. Makine öğrenim yöntemimiz de hızlı ve bir Al sınıflandırma ile bir dakikadan daha az bir sürede işleyebiliyor, bu nedenle hastaları doktorlar tarafından muayene edilmeden önce tetiklemeye yardımcı olabilir ve potansiyel olarak bu görselleştirmenin süreci hızlandırmakla beraber tümörün incelenmesinde patologlara yardımcı olabileceği aşikardır.
Kayıtlar
Hiç yorum yok:
Yorum Gönder